Stage - Ingénieur Développement d'Une Plateforme Logicielle pour l'IA Appliquée aux Cnd H/F

Description

Le développement de solutions d'intelligence artificielle appliquées aux Contrôles Non Destructifs a été identifié comme un axe stratégique pour renforcer la compétitivité d'Intercontrôle et accompagner l'évolution de ses métiers. La mise en oeuvre de ces approches soulève toutefois plusieurs enjeux structurants : gestion de volumes importants de données, adaptation des outils d'annotation aux besoins métier, traçabilité et versionnement des jeux de données, suivi des expérimentations, reproductibilité des entraînements, gestion et comparaison des versions de modèles, dans la continuité des bonnes pratiques aujourd'hui regroupées sous le terme de MLOps. Ces enjeux dépassent donc la seule performance des algorithmes. Ils nécessitent de structurer progressivement l'ensemble du cycle de vie de la donnée et des modèles d'IA, depuis l'acquisition et l'annotation jusqu'à l'entraînement, l'évaluation et l'exploitation. L'objectif est de disposer d'un socle commun permettant de capitaliser sur les développements IA, de les rendre réutilisables et de faciliter leur passage du prototype à un usage industriel. Dans ce contexte, Intercontrôle souhaite développer un POC logiciel permettant d'éprouver ces pratiques, d'en valider la pertinence sur des cas d'usage concrets et de disposer d'un démonstrateur capable d'en illustrer la valeur auprès des utilisateurs et des différentes parties prenantes. Le stage aura pour objectif de concevoir et développer un POC logiciel dédié aux problématiques de computer vision appliquées aux Contrôles Non Destructifs. Le prototype devra notamment permettre de : - Définir une ontologie métier commune décrivant les analyses, composants inspectés, zones ou faces, défauts, acquisitions, annotations, métadonnées et résultats d'analyse ; - Définir des standards de données permettant de structurer, tracer et versionner de manière homogène les données image et vidéo, dans une logique inspirée des pratiques MLOps ; - Définir des interfaces et standards d'entrée/sortie communs permettant d'intégrer de manière modulaire les modèles de classification, de détection et de segmentation développés en interne ; - Permettre l'intégration, l'entraînement, l'évaluation et la comparaison de différents modèles au sein d'une même plateforme ; - Mettre en oeuvre une démarche de développement assisté par des agents de codage, afin d'accélérer les itérations tout en garantissant la qualité et la maîtrise du code produit ; - À l'issue des 6 mois, proposer un démonstrateur concret permettant d'éprouver les besoins, de recueillir les retours utilisateurs et de démontrer la valeur de ces pratiques avant leur intégration progressive dans les outils existants.